借　证

关键词：借证；证载秩亏；载证率；本体论承诺；相对同一性；替代终点；文化翻译的不对称

一、题面，以及本篇与同题前篇的分工

题面与前篇相同：

为什么在中国，每一次以"削弱应试"为自陈目标的教育改革，都在数年内被应试重新吸收，并且改革措施本身变成新的应试科目？

同一道题跑第二遍，不是把第一遍换个说法。若第二篇的结论能由第一篇推出，那它就不该存在。因此先把分工写在最前面。

前篇《收源》处理的是实施之后的连续过程。它的机制是复制：体系要把一项改革对排序结构的扰动压到零，必要条件是把这项改革的发生器复制进自己内部；副本就位后，排序结构复原。它的读数是一条恢复曲线与它的时间常数（半返期），它预测的是一个平滑的回升。

本篇处理的是验收这一个离散时点。它的机制是翻译：一项改革要证明自己成功，必须把成效说成体系听得懂的话；而听得懂的话只有一套，且那一套属于体系。它的读数是一个整数（秩亏），它预测的是一个阶跃——在评估结果发布的前后。

两者不是同一件事的两种说法，因为它们的可观察后果不同，而且可以在同一份数据上分开（第十九节）。两者也不互相推出：即使体系完全不去复制任何发生器（前篇的机制关掉），只要改革需要被验收，本篇的机制照样起作用；反过来，即使一项改革从不接受任何评估（本篇的机制关掉），前篇的复制过程照样进行。

还有一处更要紧的分工。前篇的结论是找不到出口——三门合起来把它自己也关进了三角。本篇的结论有一个出口，而且这个出口是可以写出来的（第十二节）。但这个出口通向哪里，本篇在第十九节交代：它通向前篇已经关死的那道门。两篇合起来，出口是循环的。 这一点本篇不打算掩饰。

先把本篇要打的那个位置说清楚。

一项改革在实施之后必然要面对一个问题：它成功了吗？ 这个问题不是外人强加的，是改革自己需要的——需要它来争取继续、争取推广、争取资源，也需要它来说服执行者。回答这个问题，得拿出证据。

拿证据这件事看上去中立、技术、事务性，是全部环节里最不像战场的一个。本篇要论证的是：它是唯一的战场，而且胜负在开战前已定。

二、三门学科与它们的账本

第一门：哲学，取同一性与本体论承诺这一路。

它管的是最基础的一件事：什么算一个东西，两个说法说的是不是同一个东西。 它的核心资源是奎因的本体论承诺（一个理论承认存在什么，看它的约束变量取什么值）与吉奇的相对同一性（"同一"离开一个种类词就没有意义）。

它的账本是：论证的一致性；失败＝自相矛盾、悬置。 中等硬度。哲学的账本之所以不硬，是因为它的失败往往可以靠区分更细的概念来推迟；但在同一性这一路上，账本比一般哲学要硬——一个同一性判据要么给得出，要么给不出，给不出就是给不出。

这一门在本专栏是首次出现。

第二门：营养学，取生物利用度与替代终点这一路。

它管的是东西怎么走、走多少能到、在哪里被拖住。摄入量不等于吸收量，吸收量不等于组织浓度，组织浓度不等于功能结局。它的日常工艺就是在这条链上不停地换算，而每一次换算都要用一个能测的量去代表一个不能测的量。

它的账本是：摄入—代谢—结局；失败＝缺乏或过载。 中等硬度，但它有一个别的学科少见的性质：它的失败可以是反号的——按替代指标做对了的事，按硬结局是做反了。这个性质是本篇要用的核心。

这一门在本专栏是首次出现。

第三门：人类学，取文化翻译这一路。

它管的是两套范畴之间怎么过渡，过渡时谁不变。它的核心问题是：要理解他者，必须把他者的说法译成自己的说法；译完之后，被理解的是谁的东西？

它的账本是：他者是否被理解；失败＝误读、投射。 中等硬度。这是三门里终止性最弱的一门，因为"误读"的判定本身需要一个立场。本篇明写这一点，并在第十六节交代它对本篇的削减。

这一门在本专栏是首次出现。

层面与配组。 三门分属形式层、生命与工程层、社会与心智层，互不相通。软硬三门皆为中——这是本专栏此前未曾出现过的一种配组（此前测过两硬一软、三门全硬、软门在对口位、软门在非对口位、有名无名混合）。全中配组的后果记在附录一，作为本轮的实验条件。 本篇的预判是：全中配组会使终止性下降，因而本篇必须靠读数的形状（一个整数）而不是靠三门的账本来提供硬度。这个预判事后核对见附录一。

对口位是人类学（因为这道题问的是驱动，最吃重的必是管结构与关系的那一门）。而人类学恰是三门里账本最软的一门。这是一个不利的配置，本篇不回避：它意味着本篇最承重的那一门，恰好是最难被揭穿的那一门。补偿办法只有一个——把人类学那一条的用法压到最窄，只取它的方向性结论（翻译是单向的），不取它的任何解释性框架。

三、三门各自的因果结构：各走一圈完整实例

哲学：由种类词与个体化条件，产出"这里有几个东西、它们是不是同一个"。

不是先有东西再给它命名，而是先有一个种类词，才有"一个"这个说法。你指着一片区域问"这是几个？"——这个问题在没有种类词的时候没有答案。一堆黏土与一尊塑像占据同一处时空，问"这里有几个东西"，答案取决于你数的是塑像还是黏土。

走一圈完整实例：奎因的本体论承诺。奎因问的是"一个理论承认什么存在"，他的回答是：看这个理论把什么放进约束变量的取值范围。你说"有些疾病是可传染的"，你就承认了疾病是实体；你把它改写成"有些人以某种方式互相影响"，疾病就从你的本体论里消失了。两句话可以在经验上完全等价，而它们承认存在的东西不同。

这一圈走完，得到本篇要用的第一条性质：一个理论承认什么存在，由它用来表述自己的那套语言决定；换一套等价的表述，本体论就变了。

再补半圈：吉奇的相对同一性。吉奇论证"x 与 y 是同一个"这个说法不完整，完整的说法是"x 与 y 是同一个 F"。同一条河与同一堆水可以对同一对时空区域给出相反的判断。同一性依赖于种类词，而种类词由发问的人带来。

营养学：由摄入量与吸收、代谢条件，产出结局。

这条链有四段：摄入—吸收—组织浓度—功能结局。每一段之间的转换率都不是常数，取决于食物基质、共存成分、个体状态。营养学的日常工作，就是在链条的某一段找一个能测的量，用它代表下游那个测不了的量。

走一圈完整实例：β-胡萝卜素。 起点是一批高质量的观察性研究：血清 β-胡萝卜素水平高的人，肺癌发病率低；富含 β-胡萝卜素的蔬果摄入多的人，肺癌发病率低。这是一个稳健的、被反复重复的相关。

于是有了翻译：把"多吃深色蔬果"这个不可给药、不可剂量化、成分不明的东西，翻译成"补充 β-胡萝卜素"这个可给药、可剂量化、可双盲的东西。翻译的理由是充分的：这是唯一能被随机对照试验检验的形式。

然后是两项大型试验。ATBC 试验（1994）与 CARET 试验（1996）都发现：补充组的肺癌发病率升高，CARET 因此提前终止。

这一圈走完，得到本篇要用的第二条性质，也是最刺眼的一条：为了让一个主张变得可被验证，必须把它翻译成一个可给药、可测量的形式；而翻译之后被验证的那个东西，可以与原来的主张方向相反。 参与者以为自己只是换了个说法。

人类学：由被观察者的范畴与观察者的范畴，产出被记录下来的东西。

走一圈完整实例：埃文思-普里查德笔下的赞德人巫术。 一座粮仓塌了，压伤了在底下乘凉的人。赞德人说这是巫术。埃文思-普里查德指出：赞德人完全知道粮仓是被白蚁蛀塌的——他们不否认这个因果链。他们问的是另一个问题：为什么偏偏是这个人、在这个时刻坐在下面。 巫术回答的是这第二个问题。

翻译发生在这里。英语人类学把它译成"第二层因果解释"或"对偶然性的解释"，从此赞德人的问题在英语里成了一个概率问题——而赞德人恰恰不把它当概率问题。翻译完成之后，读者理解了，赞德人的那个问题却不见了。

阿萨德（1986）把这件事的结构说清楚了：文化翻译不是发生在两种平等语言之间的，是从弱势语言到强势语言的；强势语言拥有更多资源去容纳外来的东西，因而它可以在不改变自己的前提下把对方装进来。翻译顺利完成，恰恰是不对称的证据。

这一圈走完，得到本篇要用的第三条性质：当两套范畴之间需要翻译，翻译总是朝着更有资源、更被广泛接受的那一套进行，而那一套不需要改变自己。

四、三家在争什么

把三门放在同一件事前面，问同一个问题：一个主张要被接受，需要拿出什么？

哲学的答案：先拿出一个同一性判据。 在你说"这个东西变好了"之前，得先说清楚"这个东西"是什么、凭什么说前后两次说的是同一个。没有判据，你的主张连内容都没有，谈不上真假。哲学不关心你能不能测——它关心你说的那个东西有没有被指定。

营养学不接受这个答案。 判据是廉价的，随便写一段定义都算判据。真正的问题是：你拿什么去测？一个不能被测量的主张，无论定义得多清楚，都无法被接受也无法被拒绝。而一旦你选定了要测的那个量，你就已经把主张改写了——因为可测的量总是替代品。营养学的答案是：先拿出一个终点指标，并且承认这个指标不是你原来想说的那个东西。

人类学不接受前面两个答案。 判据也好，指标也好，都是用某一套范畴写出来的。问题不在有没有，在是谁的。当一方需要向另一方证明自己，用的一定是另一方的范畴——因为那一方是需要被说服的一方。人类学的答案是：先看清楚这次翻译的方向，谁在翻译谁，谁不需要改变自己。

三家互不接受，且互不能推出对方。哲学的判据问题不能由指标解决（再多指标也不能替你指定对象），营养学的指标问题不能由判据解决（定义得再清楚也不能代替测量），人类学的方向问题不能由前两者解决（判据与指标都可以做得无可挑剔而方向依然单向）。

这是本篇可以往下走的证据。三家吵得很凶，却一致地踩在同一块地板上。

五、共同假定：证明的手段是中立的

三家共同假定，而且都没有说出来：

证明的手段是中立的——你用什么去证明，不影响你证明的是什么。

在哲学那里，这个假定的样子是：判据是外加的，被判定的对象在判据之前就在那里。定义可以修订，被定义者不动。

在营养学那里，这个假定的样子是：指标是代表，被代表的那个功能状态独立于指标而存在。指标选得好一点差一点，是精度问题。

在人类学那里，这个假定的样子是：翻译是转述，被转述的意思在转述之前就完整地存在。译得好一点差一点，是保真度问题。

三种形式，同一个内核：手段与内容可分，手段的选择是技术问题。

这个假定在教育改革的日常语言里的形式，是所有人共享的那个句式："我们先确定改革的目标，再设计评估方案。" 目标是内容，方案是技术；先有目标，后有方案；方案只是把目标测出来。改革者这样想，评估者这样想，批评者也这样想——批评者说"评估方案没有充分反映改革目标"，这句批评本身完整地承认了这个假定：仿佛存在一个更好的方案能充分反映。

本篇要论证的是：不存在那个更好的方案，而且不存在的原因是结构性的，不是设计水平问题。

推翻这个假定的材料，三门自己各有一条。

六、推翻材料：三条，各出一门

本篇在动笔前登记了推翻材料的来源与预期承重顺序，登记与核对见附录一。

第一条，来自哲学自己：本体论承诺与相对同一性。

奎因（1948, 1960）的结论可以这样陈述：存在什么，是相对于一个理论的表述而言的。 一个理论的本体论承诺，就是它的约束变量必须取值于哪些对象，才能使它的陈述为真。两个在经验预测上完全等价的理论，可以承认完全不同的东西存在。

吉奇（1967）从另一个方向给出同一条结论的更锐利的版本：没有绝对的同一性，只有相对于某个种类词的同一性。 问"它还是不是原来那个"，在种类词被指定之前没有答案。

合起来：你用来表述的那套语言，决定了对你而言有哪些东西存在，以及什么算作同一个东西。 这不是精度问题，是本体问题。

把它放到本篇的对象上：一份评估方案不是在"测量"改革的成效，它是在规定改革的成效由哪些东西构成。方案里没有变量对应的那些成效，不是被测得不准，是在这份方案的本体论里不存在。

这一条推翻了共同假定在哲学那里的形式。

第二条，来自营养学自己：替代终点的反号。

ATBC（1994）与 CARET（1996）两项大型随机试验的结果，在本篇的用法里不是"补充剂无效"这个健康学结论，而是一个方法学事实：一个在观察数据上稳健为正的关系，在按替代形式实施干预之后可以为负。

本篇在容器内复现了产生这个结构的机制（第十三节）：当暴露与结局共享一个未测的上游因子时，观察相关可以为正而真实因果效应为负；在本篇所试的全部混杂强度组合下（上游因子对暴露的载荷 0.3 至 1.2，对结局的载荷 0.5 与 1.0），观察相关全部为正而真实效应为负，反号率百分之百。

这条材料的要害不是"观察研究有混杂"——这是常识。要害是翻译这一步本身引入了它：为了让主张可被检验，必须把"吃深色蔬果的生活方式"换成"服用一种可剂量化的分子"，而这一换，恰好把那个未测的上游因子从暴露里剥掉了。被剥掉的部分，正是原来那个相关的来源。

放到本篇的对象上：为了让"学生变得更全面"可被评估，必须把它换成若干个可打分的项目；而这一换，可能恰好把"全面"的来源剥掉了。翻译的方向不可预测，可以反号。

这一条推翻了共同假定在营养学那里的形式。

第三条，来自人类学自己：翻译的不对称。

阿萨德（1986）的分析可以这样陈述：文化翻译不是两种语言之间的对称过程，它总是从资源较少的一方向资源较多的一方进行，而后者不需要改变自己就能容纳前者。 翻译越是顺利，越说明强势一方的范畴足够大；而它足够大，恰恰是因为它一直在容纳别人而从不被容纳。

这一条给出的不是"翻译有损失"（那是常识），而是损失的方向是固定的：损失全部落在被翻译的一方。

放到本篇的对象上：改革要向体系证明自己，用的是体系的读数；证明成功了，说明体系的读数足够大，能装下改革。而"能装下"的另一个说法就是"不需要为此改变"。改革被验收通过的那一刻，它已经是体系的一部分了——不是因为它妥协了，是因为它被听懂了。

这一条推翻了共同假定在人类学那里的形式，也推翻了这个假定最根本的一层：手段之所以看上去中立，是因为我们只在一个方向上使用它。

七、承重命题

三条推翻材料合起来，得到本篇的承重命题。三句，逐句可测。

第一句：一项改革要证明自己成功，必须把成效翻译成体系已有的可比读数，因为不存在第二套全域可比的度量衡。

这一句的关键在"全域可比"四个字。改革的成效当然可以用别的方式表述——一位老师能说出这个班的孩子这一年变了什么，一份案例集能写得非常动人。但这些表述不能跨校比较、不能跨年比较、不能进入任何需要在有限名额之间作出决定的场合。

而选拔性教育体系的每一次决定都需要跨域比较。于是产生一个结构事实：在这个领域里，能承担全域比较的度量衡只有一套，就是考试所产生的那套分数与由它派生的排序。 这不是因为它好，是因为它是唯一被建成的那套——它有全域覆盖、有统一时点、有可追溯的档案、有被普遍承认的程序正当性。建第二套需要的不是设计能力，是几十年的基础设施与一次全社会的重新授信。

因此，一项改革要拿出"成效"，只有一条路：把成效说成这套读数里的话。

第二句：这次翻译是单向的——体系的范畴不改变自己，改革的范畴被换掉。

这是人类学那一条的直接搬运。要点在于：顺利完成的翻译是不对称的证据，不是对称的证据。 若一份评估报告能把改革的成效讲得清清楚楚，那说明现有读数足够大——而它足够大，正是因为它一直在容纳而从不被容纳。

于是本篇最要紧的一句：

改革不是在实施中被慢慢侵蚀的，是在第一次交出成绩单的那一刻被定型的。

在那一刻之前，改革的内容还是开放的、多义的、由许多人各自理解的。在那一刻之后，它有了一个官方的、可引用的、可考核的定义——而这个定义是用体系的词写的。此后所有的执行、培训、备考、推广，都以这个定义为准。成绩单不是对改革的记录，是对改革的重新定义。

第三句："只用了几年"这个观感因此有了第二个来源：几年，正是一个完整验收周期的长度。

一届学生走完（三年）、数据回收与清洗（半年到一年）、评估报告形成与发布（半年到一年）——三到五年，一个周期。这个数与题面里的"几年"吻合，而它的来源与同题前篇给出的时间常数完全不同：前篇是一个连续过程的弛豫时间，本篇是一个离散事件的到达时间。

两者可以在数据上分开：前篇预测排序相关的回升是平滑的，本篇预测在评估结果发布的前后有一个阶跃。这一条写在第十九节。

八、借证：一个构念

本篇给上述那次单向借用起名。

借证：一项主张为了被接受，而借用它所要挑战的那个体系的证据装置；借用完成之时，该主张的内容已被改写为该装置所能表达的那一部分。

四个限定，缺一不可。

第一，它是借用而非采纳——借用者主观上不认同对方的标准，只是没有别的可用。这一条把借证与"改革者本来就想搞应试"分开。

第二，被借的是证据装置，不是结论、不是方法、不是术语。借证不需要改革在内容上让步，只需要它在验收上就范。

第三，借用是单向的：装置的所有者不需要为此改变装置。若双方都改变了，那不是借证，是两套装置的合并，本篇不处理那种情形（现实中极罕见，见第十节乙栏）。

第四，后果是内容的改写，不是内容的损失。改写与损失的区别在第二十四节第二个洞里交代——这是本篇最含混的一处。

四条存在物论证。

论证一：方向可以事先推出，且与直觉相反。 若借证为真，则一项改革越是认真地接受评估、评估方案做得越专业、指标定义得越严密，它被改写得越彻底。因为改写的程度取决于翻译的完整度，而专业的评估方案恰恰追求翻译的完整。

这与"评估不到位"这一常见诊断的方向相反。后者预测：评估越专业，改革的真实成效越能被体现。二者可在同一份数据上区分——取同一项改革在不同省份的评估方案专业化程度（以指标数、操作定义的详细度、是否有独立第三方为代理），与该省该项改革被改写的程度（第九节的读数）作相关。

论证二：它独立变异，且与"改革力度"正交。 第十四节给出：改革目标写得越丰富，账面上能显示的成效比例越低——目标所用词汇张成的维数从 1 增到 10，可被验收检出的方差占比从 1.00 降到 0.10，是一条近似 1/s 的关系。

若借证只是"改革力度不够"的另一种说法，那么内容更丰富的改革应当在账面上显示更多成效。实际方向相反，且是一条有具体形状的关系。

论证三：它没有主体。 没有任何一处在作"把改革翻译成应试"的决定。改革者要证据，评估者提供最可靠的证据（也就是现有的那套），行政部门采信最权威的证据（也就是同一套），公众相信最熟悉的证据（还是那一套）。每一方的选择单独看都是最负责任的选择。借证是在每一方都尽了本分的情况下发生的。

论证四：它在营养学与临床研究里已被制度化地对待，因此可算。 替代终点的效度检验（普伦蒂斯准则）是一套成熟工艺：要用一个替代终点代替硬结局，必须证明该替代终点完全中介了干预对结局的效应。这套工艺的存在说明"翻译损失"这件事在一个成熟领域里是可以被形式化并被检验的，不是只能定性谈论的。

与三个近邻的切割。

借证不是"评估指标不完善"。 不完善预设存在一个完善的方案，问题在设计水平。借证主张不存在——因为限制来自"全域可比的度量衡只有一套"这个基础设施事实，不是来自方案的写法。二者可区分：若是不完善，那么增加指标数应当持续改善；第十二节给出，超过某一点后增加名义指标数不再提高有效秩。

借证不是"上有政策下有对策"。 对策发生在执行环节且需要有人不守规矩；借证发生在验收环节且不需要任何人不守规矩。事实上借证在所有人都极其认真的场合发生得最彻底（论证一）。

借证不是同题前篇的"收源"。 收源是体系把改革的发生器复制进自己内部，发生在实施后的连续过程里，读数是时间常数；借证是改革把自己的成效翻译成体系的读数，发生在验收这一个时点，读数是一个整数。二者的机制、位置、读数形状、可观察后果均不同，详见第十九节。

九、读数：证载秩亏

定义。

设一项改革的自陈目标可分解为 k 个维度。分解规则：取该改革的正式文件，逐条抽取其目标陈述，每一条独立的、不能由其他条推出的目标算一个维度。抽取由两人独立进行，不一致处记录并按较大的 k 取值（这样做会使秩亏偏大，因此是对本篇不利的方向，故取之）。

设该改革的验收方案给出 m 个指标。

构造 k×m 可判别性矩阵 M：M_ij = 1，若第 i 个目标维度上的变化能够单独引起第 j 个指标的响应，且这一响应不能由其他目标维度的变化产生；否则 M_ij = 0。

证载秩亏 d = k − rank(M)。

载证率 r = rank(M) / k。

秩亏 d 的含义：有 d 个目标维度的线性组合，其变化在整个验收方案里不产生任何可分辨的响应。这些组合方向上的成效，不是被测得不准，是在这份方案的账面上不存在——第六节第一条推翻材料给出的正是这个结论。

为什么用秩而不用别的。

本专栏此前的读数用过比率、差值、时刻、清单、计数、有序数对、乘积、弹性、距离、矩阵、时间常数、恢复曲线。秩与它们都不同，取它有三条理由。

其一，秩是整数，且有确定的上界 k，因而自带零假设：d = 0 意味着翻译无损，本篇为伪。这个零假设不需要额外设定。

其二，秩不受单调重标度影响。指标可以换量纲、换分制、换加权，秩不变。这使读数免疫于最常见的一类争论（"这个指标权重定得不对"）。

其三，秩直接对应"有多少东西在账面上不存在"，而不是"测得准不准"。本篇要说的正是前者。

清点手册：六条编码规则。

一、k 从正式文件抽取，不从访谈或解读抽取。 文件之外的目标不计入——若一项目标重要到应当被评估，它应当被写下来。这一条会使 k 偏小，是对本篇不利的方向。

二、只有进入正式评估方案的指标计入 m。 采集了但不进入结论的数据不计入；学术研究中使用而未进入官方口径的指标不计入。

三、M_ij 的判定必须给出理由，且理由须援引方案文本。 判定为 1 时，须指出方案中哪一句规定了该指标对该目标维度的响应。找不到出处一律记 0。

四、"能单独引起响应"须排除代理路径。 若某目标维度只能通过影响另一目标维度而影响指标，记 0——它在这份方案里不可独立分辨。

五、指标之间高度相关时，须报告 M 的数值秩而非布尔秩。 具体做法：用指标的实测相关矩阵对 M 加权后作奇异值分解，取奇异值累计达 95% 所需的个数为有效秩。第十二节给出这一步为什么不可省。

六、两人独立编码，一致性须报告。 一致性低于 0.7 时，该案例只作方向证据，不作定量证据。

表头。

三条不适用。

其一，没有正式验收方案的改革不适用。没有方案就没有 M，读数无对象。这类改革不少，须单列。

其二，目标不可分解为维度的改革不适用。若文件只写了一句总纲而无可分条目，k 无法确定。

其三，验收不用于任何决定的场合不适用。若评估结果不影响推广、资源或考核，翻译的压力不存在，本篇的机制不启动。

十、装置：双向借据表

读数量的是损失，装置要分的是方向。本篇的装置是一张两栏的表。

对任一项改革，填两栏：

甲栏（借入）：改革在陈述自己的成效时，用了多少条体系原有的读数？逐条列出，标注出处。

乙栏（借出）：体系在改革之后的日常运行中，有多少条改用了改革引入的读数？逐条列出，标注出处。

借贷比 B = 甲栏条目数 / 乙栏条目数（乙栏为零时记为无穷大）。

三种签名：

签名一，B 远大于 1（单向借入）：改革用体系的话说自己，体系不用改革的话说自己。这是借证的典型形态，预测该改革在验收后被重新定义，且定义权在体系一侧。

签名二，B 接近 1（双向）：体系的日常读数里出现了改革引入的量。这不是借证，这是度量衡的合并。本篇预测这种情形极为罕见，且当它出现时，往往是因为改革引入的量本身就是排序型的（于是"合并"只是排序体系扩容）。这一条是本篇最可能被打脸的地方，见第二十四节。

签名三，甲栏为零：改革完全不用体系的读数陈述成效。此时它要么没有验收（第九节不适用之一），要么它的验收结果不进入任何决定。预测：该改革在资源竞争中失败，且失败的表述是"缺乏客观证据"。

装置与读数的分工。 秩亏量的是"这次翻译丢了多少"，借贷比量的是"翻译朝哪个方向"。一项改革可以秩亏很小而借贷比很大（翻译很完整，但完全是单向的——这是最彻底的借证，因为改革被完整地重述为体系的语言）；也可以秩亏很大而借贷比接近 1（双方都改了，但都没说清楚）。两个量正交，必须同时报告。

为什么用双向账而不用别的形状。 本专栏此前的装置用过 2×2 表、三分类型学、缺席清单、二选一曲线、配对矩阵、串联闸门、不可能三角、三来源分解。双向账与它们都不同：它的特点是同一件事被记两次而且预期两次不相等，不相等的方向就是结论。会计学的复式记账里，两边必须相等；本篇的这张表里，两边相等反而是罕见情形，而它们的差额就是本篇要指的那个东西。

十一、真跑之一：验收指标空间的有效维数

本篇的全部承重都压在一个经验事实上：验收所能动用的读数，其有效维数远小于改革目标的维数。 若这个事实不成立，本篇立刻作废。因此必须先跑它。

设置。 构造若干科目之间的相关矩阵，计算其特征值，求参与比（participation ratio，即特征值和的平方除以特征值平方和，一个常用的有效维数指标）以及累计方差达 90%、95% 所需的成分数。

结果一：等相关结构。

结果二：分块结构（更接近真实的文理分块，块内相关 0.75，块间 0.55）。

三条读法。

第一，名义上的十来个指标，有效维数只有两个左右。在分块结构下，第一主成分独占约 68% 的方差，参与比稳定在 2.0 至 2.1 之间，而且这个数几乎不随科目数增加而增加——从 8 科加到 12 科，有效维数从 2.05 只升到 2.13。这一条至关重要：增加科目不增加有效维数。

第二，这个结构不是本篇的假设，是心理测量学一百多年来的核心发现。斯皮尔曼（1904）提出一般因子，正是因为各科成绩之间存在稳定的正相关。本篇不需要对这个正相关的成因表态（一般能力、共同训练、共同的家庭投入、共同的应试技巧，任何一种或几种），只需要它存在——而它的存在是这个领域里最不被争议的经验事实之一。

第三，参与比与"达95%所需成分数"给出的数差别很大（前者约 2，后者约 7 至 10）。本篇取参与比作为主指标，理由是：验收要的是能作出决定的维度，而不是能把方差解释完的维度。一个只占 3% 方差的成分，在实际的录取或评估决定中不会承担任何重量。但本篇承认这是一个选择，若改取"达95%"的口径，本篇的秩亏会大幅缩小。这是本篇最重要的一处口径依赖，明写在此，并列入第二十四节第一个洞。

十二、真跑之二：秩亏的实算，以及一个不利结果

设置。 按第九节的规则，为三项改革构造可判别性矩阵并计算秩亏。矩阵的每一格由文件条款的存在与否决定，构造过程记在附录二。

结果。

三项之中，载证率最高的是综合素质评价（0.60），最低的是新高考选科（0.25）。新高考选科的 rank(M) = 1 意味着：它的四个自陈目标在验收里全部坍缩成一条轴。 那条轴是什么，第十五节场景四交代。

敏感性：秩亏对指标间相关的依赖，以及一个不利结果。

不利结果：当名义指标数达到 8 且指标间相关不高时，秩亏为零。 也就是说，一份有 8 个彼此不相关的指标的评估方案，可以完整地分辨 7 个目标维度，翻译无损，借证不发生。

本篇必须据此收窄。 本篇动笔前登记的预期（附录一预期三）是"借证在任何有验收的改革上都发生"。这是错的。正确的表述是：

借证不是必然的。它成立的条件是：验收指标空间的有效秩小于改革目标的维数。

而这个条件是一个经验事实，不是逻辑必然。它在当前的教育评价基础设施里成立（真跑之一：有效维数约 2），但原则上可以不成立——只要能造出一批彼此不相关的验收指标。

这次收窄给本篇打开了一个出口，也是本篇与同题前篇最大的不同：前篇明写找不到出口，本篇有出口，而且出口可以写出来：造出彼此不相关的验收指标。

但这个出口通向哪里？指标之间之所以高度相关，是因为它们都由同一批学生在同一套训练下产生，共享同一个上游因子。要让指标彼此不相关，必须让它们所依赖的东西彼此不相关；而与那个上游因子正交的指标，恰恰是训练与投入不起作用的指标。于是这个出口通向的是"努力无用的指标"——而那正是同题前篇《收源》第十四节实验 C6 证明会退化为抽签的那一类。

两篇合起来，出口是循环的。本篇在第十九节把这个循环写完整。

十三、真跑之三：替代终点的反号

设置。 构造一个含未测上游因子的结构：U 为未测因子（对应"整体健康行为"或"家庭综合投入"），X 为可观察的暴露（对应"某营养素摄入"或"某项改革指标得分"），Y 为结局。设定 X = a·U + 噪声，Y = b·U + β·X + 噪声，其中真实因果系数 β = −0.15（为负）。样本 20 万。

结果（a = 0.8，b = 1.0）。

- 观察相关 corr(X, Y) = +0.4864

- 真实因果系数 β = −0.1500

- 按观察相关预期的干预收益 ≈ +0.4864 个单位；实际干预结果 = −0.1500 个单位，方向相反

- 若 U 可测并作调整：X 的回归系数 = −0.1542，回到真值

反号发生的条件区间。

所试的八种组合全部反号。

三条读法。

第一，反号不需要极端参数。上游因子对暴露的载荷低到 0.3、对结局的载荷低到 0.5 时仍然反号。这不是一个边缘现象。

第二，反号完全来自"替代指标不是结局"这一步。当 U 可测并被调整时，估计值回到真值。也就是说，问题不出在统计方法上，出在可测的那个量与想说的那个量之间的替换。

第三，也是本篇要用的一条：这一步替换恰恰是"让主张变得可被检验"所必需的。 β-胡萝卜素的故事里，把"多吃深色蔬果"换成"服用一种分子"，是为了能做随机对照试验；不换，就没有试验可做。为了可被验证而作的翻译，本身携带了改变结论方向的风险，而且这个风险不能靠更严谨的统计消除。

放到本篇的对象上：把"学生变得更全面"换成"若干个可打分项目的得分"，是为了能被评估；不换，就没有评估可做。而这一换，可能恰好把"全面"的来源剥掉了——就像剥掉了那个未测的上游因子。

本篇不主张教育改革的替代终点一定反号。 本篇主张的是：反号是可能的，且这种可能性来自翻译这一步本身，因而不能靠改进方法消除。这是一个比"评估不准"弱得多、也扎实得多的主张。

十四、真跑之四：目标写得越丰富，账面上的成效越少

设置一：若改革目标是空间中的一个随机方向。

在 n 维空间中随机取单位向量，计算它与某一固定轴的夹角，以及投影到该轴上后损失的方差比例。

维数越高，随机方向越接近与任一固定轴正交。n = 100 时平均夹角 85.4°，投影后保留的方差不足 1%。

这一条的读法需要小心，因为它容易被读反。正交不是"改革目标不受体系污染因而安全"，正交是"改革目标在体系的读数上什么也不显示"。若验收只读那一条轴，则改革的成效在账面上接近于零——不是被扭曲成别的，是不存在。这正是第六节第一条推翻材料（本体论承诺）给出的结论的数值形式。

设置二：若改革目标不是随机方向，而落在体系已有词汇张成的子空间内。

现实中的改革目标不是从空间里随机抽的，它们是用现有的词写出来的——"全面发展""核心素养""创新能力""学业负担"，每一个词都已经在体系的语汇里有位置。因此更贴近现实的设置是：目标方向落在体系词汇张成的 s 维子空间内，而验收只保留该子空间的第一主轴。

这是一条干净的 1/s 关系。

结论：可被验收检出的成效比例约等于改革目标所用词汇张成的维数的倒数。

推论是反直觉的，也是本篇最实用的一条：改革的目标写得越丰富、越多面、越"全面"，账面上能显示出来的成效比例越低。 一份只提一个目标的文件，它的那个目标能被完整地显示；一份提了十个目标的文件，平均只有十分之一能被显示，其余九成在账面上不存在。

而实际发生的事情比这更糟一层：被显示的那十分之一会被当作全部。 因为账面上没有别的东西，评估报告只能报告它，媒体只能引用它，后续的推广只能围绕它。改革被简化，不是因为有人简化了它，是因为除了那十分之一之外没有东西可以被说出来。

这一条与同题前篇《收源》第十四节实验 C5（新维度分量越多，秩返越快）方向一致但机制不同：那里是多分量合成提高了与资源分布的相关，这里是多分量在低秩投影下损失更大。两条独立，可分别检验。

十五、六场景清点

清点规则：先判是否有正式验收方案（无则不适用），再算秩亏与借贷比，再给签名与预测。凡本篇取不到公开材料之处，明写取不到。

场景一：素质教育（1999 年《决定》及其后续）

验收方案：有。各地形成了以升学率、竞赛获奖、体质测试合格率、艺术等级证书数为主的成效表述。

秩亏：k = 7（德、智、体、美、劳、创新、减负），布尔秩 3，d = 4，载证率 0.43。德育、美育、劳动三项在评估口径中没有独立指标——不是被测得不准，是没有对应的变量。

借贷比：甲栏（改革用体系读数陈述成效）条目众多——升学率、竞赛名次、等级证书、加分人数；乙栏（体系改用改革引入的读数）几乎为零。B 远大于 1，签名一。

预测与核对：该改革在验收后被重新定义为"以竞赛与等级证书为载体的特长培养"，且此定义此后成为执行标准。这一预测与实际发生的事情相符——但本篇必须承认，这是事后核对而非事前预测，证据力弱。

场景二：减负（2000 年以来的多轮）

验收方案：有，且指标非常单薄——作业时长、在校时长、考试次数、教辅数量。

秩亏：k 视文件而异，通常 2 至 3（时间负担、心理负担、家庭经济负担），布尔秩 1（只有时间可测）。d = 1 至 2，载证率 0.33 至 0.50。

这一场景的要害在别处。同题前篇已经证明：减负所动的绝对量在数学上不可能改变排序。本篇补上另一半：减负所动的那个量，恰好是全部教育目标里最容易测的一个。 于是产生一个结构：一项在排序上无效的措施，拥有全部措施中最高的载证率。它在账面上非常好看，而账面正是它唯一好看的地方。

这两篇合起来给出一个可检验的预言：在一切教育改革中，账面成效最显著的那一类，恰恰是对排序结构影响最小的那一类。 因为账面成效取决于载证率，而载证率取决于可测性，而可测性最高的是绝对量，而绝对量对排序无影响。

场景三：综合素质评价（2014 年以来）

验收方案：有，但在多数省份不进入录取决定。按第九节不适用之三，这些省份的案例不进入定量分析。

在少数实质计入的省份：k = 5（思想品德、学业水平、身心健康、艺术素养、社会实践），布尔秩 3。d = 2，载证率 0.60——三项中最高。

载证率最高，恰恰因为它的评价内容被换算成了可清点的材料条目（获奖数、志愿时长、报告篇数）。载证率高不是好事，它意味着翻译更完整，因而改写更彻底。 这是本篇与直觉最冲突的一处，也是读数与常识分道的地方：一般人会认为"能测出来"是好事，本篇的读数说"能测出来"意味着已经被换成了别的东西。

场景四：新高考选科与等级赋分（2014 年以来）

k = 4（增加选择性、减轻单科压力、发展兴趣、提高与高校专业的适配度），验收指标实际上只有两个（选科组合分布、录取分数线变化），布尔秩 1。d = 3，载证率 0.25——三项中最低。

rank(M) = 1 的含义是：四个目标在验收里全部坍缩成一条轴，而那条轴是分数。"增加了选择性"的证据是选科组合数变多了，而选科组合的实际分布由赋分博弈决定；"减轻了单科压力"的证据是某科平均分变化；"发展了兴趣"没有指标；"提高了适配度"的证据是录取分数线。四条里三条要经由分数说话，一条无法说话。

同题前篇把这一项判为"收源在设计阶段已完成"，本篇给出同一结论的另一个侧面：它的验收方案在设计阶段就只有一条轴。 两篇在这一项上第一次交汇，且给出的是同一个方向的两种独立证据——前篇看的是排序结构，本篇看的是证据结构。

场景五：强基计划与综合评价招生（2020 年以来）

验收方案：本篇没有取得公开的、成体系的评估方案。可查到的成效表述以录取人数、生源分布、后续学业表现为主。

在这一材料条件下：k 约为 3（选拔基础学科拔尖人才、改变唯分数、引导中学育人方式），可查指标 2 至 3，秩不可靠计算。本篇对这一场景只给方向，不给读数。 借贷比方面，甲栏条目（录取分数、生源中学排名、后续绩点）明显多于乙栏，签名一。

场景六：双减（2021 年）

验收方案：有，且是六项中指标最完备的一项——培训机构数量、学科类机构压减率、课后服务覆盖率、作业时长、学生睡眠时长、家长满意度调查。

k 约为 4（减轻作业负担、减轻校外培训负担、提升学校育人水平、缓解家长焦虑），名义指标 6，布尔秩约 3。d 约为 1，载证率约 0.75——六项中最高。

这是一个重要的观察，因为它是本篇最容易被误读为反例的一项：载证率高，是不是说明这项改革被翻译得很好、没有被改写？

不是。载证率高意味着翻译更完整，而翻译的方向仍然是单向的——甲栏条目全部是可清点的数量与时长，乙栏依然为零。于是产生了本篇预测的最清晰的形态：这项改革在账面上被完整地重述为一组数量与时长的变化，而"提升学校育人水平"这一条的秩亏落在唯一那个不可分辨的方向上。

预测（可证伪）：若在 2027 年前公开的官方评估中，双减的成效表述里，与"提升学校育人水平"直接对应的独立指标仍然缺席（即该条目仍只能经由作业时长、课后服务覆盖率等间接说明），则本篇的秩亏计算命中。若出现了一个针对该条目的、与其余指标不相关的独立指标，本篇在这一项上失败。

六场景合判。

载证率排序：双减 0.75 > 综合素质评价 0.60 > 素质教育 0.43 > 减负 0.33–0.50 > 新高考选科 0.25。

一个值得注意的分布：载证率最高的两项（双减、综合素质评价），恰恰是被公众批评"变形最厉害"的两项。 若这个共变关系在更多案例上成立，它就是本篇最有力的外部证据——因为它与常识预测的方向相反（常识预测：能测的做得好，测不了的才变形）。

若这个共变关系不成立，本篇的核心主张失去它唯一的现实支撑。本篇不为这一条准备退路。

十六、三处反向约束：三门各削掉本篇一样东西

哲学削掉本篇的一个词：本篇不能说"损失"。

若一份评估方案的本体论里根本没有某个成效，那么说"那个成效被损失了"就预设了它在方案之外存在。而按奎因的结论，"存在"本身是相对于表述的。本篇没有资格站在任何一份方案之外说"真正的成效是什么"——本篇自己也只能用某一套语言说话。

这一削很重。它意味着本篇不能主张"改革的真实成效被埋没了"，只能主张一件更弱的事：在这份方案的账面上，有 d 个方向不产生任何响应。 至于那 d 个方向上有没有东西，本篇不知道，也没有装置去知道。

本篇接受这个削减，并把它写进第二十四节第二个洞：改写与损失的区别，本篇说不清楚。

营养学削掉本篇最自然的处方。

读完前面的论证，最自然的处方是：既然翻译有损，那就少翻译一点，多保留原始的、质性的、地方性的证据。

营养学否掉了这个处方，而且理由很具体。营养学在替代终点问题上吃了几十年的亏，它的应对不是回到观察性研究与经验判断——那是它出发的地方，也是 β-胡萝卜素故事的起点。它的应对是普伦蒂斯准则：不放弃替代终点，而是要求任何替代终点在被使用之前，先证明它完全中介了干预对硬结局的效应。

也就是说：出路不是少翻译，是给翻译本身立一道验收关。 这一削把本篇从一个怀疑论的位置推到一个工程学的位置——本篇不该主张"别信评估"，该主张"评估方案本身需要先被评估，而评估它的判据是秩亏"。

人类学削掉本篇的普遍性。

阿萨德的结论是关于权力不对称下的翻译的。若两套范畴之间的资源对等，翻译可以是双向的，损失也可以是双向的。本篇不能主张"翻译必然单向"，只能主张"在资源不对称时单向"。

这削掉了本篇的一大块普遍性，也给出了本篇的适用条件（第二十节）。而且它反过来提示了一个检验：若存在一个教育体系，其中改革引入的读数进入了体系的日常运行（乙栏不为零），本篇应当在那里失效。 这是一个可以在跨国比较中查的东西，本篇没有做，明写在此。

三处合起来。 哲学削掉了本篇的语气（不能说"真正的成效"），营养学削掉了本篇的处方（不是少测，是给测法立关），人类学削掉了本篇的适用范围（只在不对称时成立）。削完之后剩下的东西比动笔时想写的小很多，但每一句都还站得住。

十七、正交反例与零情态词判据

正交反例一：载证率高不是好事。

第十五节已经给出：载证率最高的两项恰是被批评变形最厉害的两项。这与"可测性—质量"这个默认关系正交，甚至反向。

这条反例的价值在于：它使本篇不能被"评估做得粗糙"这个更简单的解释吸收。粗糙论预测载证率低的改革变形更厉害，本篇预测相反。二者可在同一批案例上区分。

正交反例二：秩亏为零可以出于两个性质相反的原因。

d = 0 有两种情形：一种是评估方案确实有足够多的独立指标（翻译无损，本篇的机制不启动）；另一种是改革的目标写得极少（k 很小，所以容易被覆盖）。后者的 d = 0 不是好事——它意味着改革一开始就只提了一两个可测的目标。

区分方法：同时报告 k。d = 0 且 k ≥ 5 是真正的无损；d = 0 且 k ≤ 2 是目标本身已被预先裁剪。第二种情形本篇称为"预先借证"——翻译发生在文件起草阶段，而不是验收阶段。 这是本篇未曾预料到的一种形态，由这条反例逼出来的，见附录一预期七。

正交反例三：借贷比也可以因为改革本身就是排序型的而接近 1。

若一项改革引入的读数本身就是一个排序（例如"综合素质等级"），那么体系采纳它毫无障碍，乙栏立刻不为零，借贷比接近 1。按第十节签名二，这本该判为"度量衡合并"。但这不是合并，是扩容——体系加了一个新的排序维度而已。

区分方法：看被采纳的那个读数是不是全域可比的单一序。若是，判为扩容而非合并。这一条使签名二的判定变得困难，本篇承认这是装置最弱的一环。

零情态词判据。

本篇提供一个不含任何"应该""可能""往往"的问句：

这份改革文件列了几条目标？这份评估方案有几个指标？把每一条目标与每一个指标对照，逐格问"这一条目标上的变化，能不能单独引起这一个指标的响应，且这个响应不能由别的目标产生"——填完这张表，它的秩是多少？

任何人拿这张表去问任何一项有正式方案的改革，都能在两小时内得到一个整数。

本篇的判断是：这张表从来没有人填过。 而这个判断可以被推翻——只要有人拿出一份填过的表。本篇欢迎被这样推翻，因为那正是本篇的赌注（第二十二节）提前命中。

十八、与十位邻居的分界

按由远到近排列，最后两位作让位。

第一位，观察者效应与反身性。 观察改变对象。差别：本篇的机制不需要对象发生任何改变——学生可以完全不变，账面依然坍缩。本篇管的是证明改变主张，不是观察改变对象。

第二位，不可通约性（库恩、费耶阿本德）。 两个范式之间没有共同尺度。差别正好相反：本篇主张有共同尺度，而且只有一把，且它属于其中一方。不可通约预测互不理解，本篇预测顺利理解——只是被理解的内容已被换掉。翻译顺利，正是本篇的证据；翻译失败，反而是本篇的反例。

第三位，古德哈特定律与坎贝尔定律。 同题前篇已作详细分界，此处只补本篇特有的一条：那两条定律都需要一个"被考核者"去响应指标；本篇的机制在没有任何人响应指标的情况下依然成立——只要改革需要被验收，账面就会坍缩。

第四位，麦克纳马拉谬误。 只看可测的，把不可测的当作不重要或不存在。这是最接近的一句格言。差别有二：其一，麦克纳马拉谬误是一条关于个人认知偏差的警示，可通过"记得还有别的"来防范；本篇主张的是一个结构事实，防范不了——因为不存在第二套全域可比的度量衡。其二，麦克纳马拉谬误没有读数；本篇给出一个可算的整数。

第五位，替代终点批判（弗莱明与德梅茨 1996；普伦蒂斯 1989）。 医学统计学的成熟批判，也是本篇第二条推翻材料的娘家。差别：那是关于某一个替代终点是否有效的方法学问题，原则上可通过验证解决（普伦蒂斯准则就是验证办法）；本篇主张的是在某个领域里只有一套可比读数这个基础设施事实，不可通过验证任何单个指标来解决。本篇明确承认：在第十六节，本篇采纳了这一位的处方（给翻译立验收关），因此本篇在方法上是它的下游。

第六位，本体论承诺（奎因）。 上游。差别：奎因管理论与本体论的关系，本篇管验收方案与改革内容的关系，并把它变成一个可算的量（秩亏）。本篇不主张在哲学上有任何增量。

第七位，相对同一性（吉奇）。 上游。用法同上。

第八位，多任务委托—代理（霍姆斯特朗与米尔格罗姆 1991）。 这是本篇最危险的一位，比后面两位更危险，因此放在这里而不是最后。

它的结论是：当代理人的多项任务中有些产出可测、有些不可测时，基于可测产出的激励会使努力全部流向可测任务，因而最优激励强度应当降低甚至为零。这几乎覆盖了本篇的全部现实预测——账面坍缩、不可测目标被牺牲、越是认真考核越是扭曲。

差别有两条，都可判决。

其一，多任务代理是一个激励理论，它假定代理人最大化自身报酬。本篇不需要这个假定。 本篇的机制在代理人完全不响应激励时照样成立：即使所有教师、学校、学生都对评估结果无动于衷，评估报告依然只能报告那 rank(M) 个方向，改革依然只能以那些方向被重新定义。多任务代理预测的是努力配置的扭曲，本篇预测的是账面维数的坍缩，二者可以分离——在一个努力配置完全不变的场合，本篇预测账面依然坍缩，多任务代理预测什么也不会发生。

其二，多任务代理的处方是降低激励强度或改用主观评价。本篇的分析说明这个处方无效：主观评价一旦要进入全域比较，就必须被换算，于是回到同一个问题。本篇因此在处方上与它分道。

本篇承认：若上述第一条差别在真实数据上无法分离（即找不到"努力配置不变而账面坍缩"的案例），本篇相对这一位的独立性即告失败。

第九位，文化翻译的不对称（阿萨德 1986）。 本篇的直接上游，明写让位。

阿萨德已经完整地说出了"翻译单向、强者不变"这件事，本篇在这一点上没有原创。本篇的增量有三条：（甲）把它从民族志的场合移到验收的场合；（乙）指出在验收场合中"强者"不是一个文化而是一套基础设施（唯一的全域度量衡），因而不对称的来源是可指认的、可测量的；（丙）给出一个读数。若读者认为这三条都不足道，本篇应当被判为阿萨德的一次应用。

第十位，同题前篇《收源》。 单列一节处理。

附带处理一位专栏内部的邻居：《同据》。 本专栏此前有一篇《同据》（判据与效据同源，回路内有效）。二者容易混。《同据》管的是一个体系内部判据与效据的循环，它解释的是为什么该体系在自己的回路内始终有效；本篇管的是两方之间的借贷关系，它解释的是为什么一方在向另一方证明自己时被改写。前者是自洽性问题，后者是不对称性问题。若把本篇读成《同据》的重述，那就丢掉了"方向"这个本篇唯一要说的东西。

十九、与同题前篇《收源》的分界与合判

同一道题的两篇，必须交代清楚它们是不是同一件事。

分工。

方向相反这一点值得强调。 前篇说的是体系为了压平改革而把改革装进自己（体系是主动方）；本篇说的是改革为了证明自己而把自己装进体系（改革是主动方）。两个方向的动作可以同时发生，且它们互相加强：体系复制得越完整，可用于验收的读数越贴合改革，翻译越顺利，改写越彻底。

可判决的区分。 两篇对同一个"几年"给出不同的时间形状。取一项改革的排序相关序列 ρ(t)，看它的回升是平滑的还是阶跃的：

- 若回升近似指数恢复且无明显跳变，支持前篇的机制。

- 若回升集中在官方评估结果发布的前后一至两年，且此前此后平缓，支持本篇的机制。

- 若两者兼有，说明两个机制并存。

这是一个可以在真实数据上执行的判别，且不需要任何本篇之外的假设。

出口的循环。

前篇的结论是找不到出口：三门合起来把它关进了不可能三角。

本篇有一个出口，由第十二节的不利结果给出：造出一批彼此不相关的验收指标，使有效秩大于目标维数，翻译即可无损。

但指标之间之所以相关，是因为它们共享同一个上游因子（学生的一般能力与训练投入）。要造出彼此不相关的指标，就必须造出与那个上游因子正交的指标；而与上游因子正交，意思就是训练与投入对它不起作用。

前篇第十四节的实验 C6 已经算过这类指标的下场：当录取完全依据不可投资的维度时，两次独立测量的录取名单重合率为 0.098，随机基线 0.100——选拔退化为抽签，正当性崩塌。

于是：本篇的出口，正是前篇已经关死的那道门。 两篇合起来，出口是循环的。

合判的一个不利结论。

两篇的机制在现实中同时起作用，而且方向一致、后果相似。这意味着：在同一份数据上，很难把它们定量拆开。 排序相关的回升里有多少来自复制、多少来自翻译，本篇与前篇都给不出分解办法。

因此必须写下一个对两篇都不利的判断：作为一组，这两篇的可证伪性低于它们各自单独存在时。 单独看，前篇预测平滑回升、本篇预测阶跃，各自可被推翻；合起来，任何形状的曲线都能被说成"两个机制的某种混合"。

避免这个后果的唯一办法，是坚持在每一个案例上事先声明用哪一篇的机制作主解释，并按那一篇的形状预测作判决，不允许事后调用另一篇解释残差。这一条写进两篇共同的预注册条款（附录三第 F6 条）。

二十、适用范围

借证只在同时满足以下四条的场合成立。

第一条：该领域只有一套全域可比的度量衡。 若存在两套或更多被普遍承认的、可跨域比较的读数体系，翻译可以是双向的，本篇失效。这一条来自人类学那一削。

第二条：验收指标空间的有效秩小于改革目标的维数。 这是第十二节的不利结果逼出来的条件，也是本篇唯一的经验前提。它在当前的教育评价基础设施里成立（真跑之一），但它是可以改变的。

第三条：该改革确实需要被验收，且验收结果影响后续决定。 不接受验收的改革不启动本篇的机制（但它会遭遇第十节签名三的下场）。

第四条：改革的目标是用体系已有的词汇写出来的。 第十四节设置二给出，这一条决定了损失的量级（约 1/s）。若一项改革能用全新的、体系语汇之外的词表述自己的目标，本篇的损失估计不适用——但那样的目标也无法被任何现有方案评估，回到第三条。

本篇明确不主张的东西。

本篇没有主张评估无用，也没有主张不该评估。本篇主张的是一件范围明确的事：在只有一套度量衡的领域里，验收环节是改革内容被重新定义的地方，而这次重新定义的方向是单向的。 本篇甚至采纳了一个具体的工程处方（第十六节营养学那一削）：给翻译本身立一道验收关，判据就是秩亏。这是一条可以照着做的建议，虽然它做到底会撞上前篇的那道门。

二十一、自反

第一层：本篇自己在向谁借证。

本篇是一篇论文。它要被接受，就得拿出证据。它拿出的是什么？四条数值实验、三门学科的经典材料、一套可算的读数。这些都是学术共同体的证据装置——可复算、可引用、有形式化的量。

而本篇要说的那件事（改革的成效在账面上不存在）恰恰是不能用这套装置说的：本篇没有、也不可能出示那些"不存在于账面上的成效"。本篇用一套装置论证了那套装置装不下某些东西，而本篇拿不出被装不下的那些东西。

这不是修辞上的自谦。这是本篇论证结构里的一处真实的空缺：本篇的全部正面证据都是关于账面的（秩、维数、相关），没有一条是关于账面之外的。哲学那一削（第十六节）已经指出，本篇没有资格谈账面之外——但那样一来，"改革被改写了"这句话就只剩下"账面上有 d 个方向没有响应"这一层含义。本篇的标题比本篇能证明的东西大。

第二层：本专栏自己的载证率。

本专栏的每一篇都要被判定"是不是撞出来的"，而判定用的是一套评分。若把本专栏当作一项改革，它的自陈目标有几条（原创判断、跨域厚度、可证伪、不可还原、完成度……），评分方案有几个维度，秩是多少？

按第十四节的 1/s 关系：本专栏的目标写得越丰富，能在评分里显示出来的比例越低。而按第十七节正交反例二，若本专栏的评分方案与目标数恰好匹配（d = 0），那也可能只是预先借证——目标一开始就是按可评分的方式写的。

本篇没有算这个数。本篇提出了一个读数，却没有拿它量自己。 这与第二十节所要求的事情完全相反。

第三层：这篇文章的位置。

若本篇正确，那么任何关于改革的公共论述，都是在某一套读数里说话的。本篇也是。本篇之所以能够被理解、被引用、被反驳，正是因为它借用了学术共同体这套装置——而按本篇自己的第二条推翻材料，借用完成之时内容已被改写。

本篇不知道自己被改写掉了什么。 这不是谦辞，是本篇的读数在本篇自己身上的取值：本篇的秩亏，本篇算不出来。

二十二、赌注

赌注：截至 2035 年 12 月 31 日，中国大陆至少有一份下列文件之一，在评估方案中明文列出"本次改革的哪些自陈目标在本方案中不可被独立检出"，或提供了等价的目标—指标对照矩阵及其可分辨性判断：

（一）省级及以上教育行政部门发布的改革评估方案或评估报告；

（二）教育部委托并公开发布的第三方评估报告；

（三）国家级教育改革试点的验收技术文件。

命中则本篇的核心主张（验收方案本身需要先被验收，判据是可分辨性）获得一次外部确认。

四条不算命中，写死。

其一，只声明"部分目标难以量化"或"指标体系有待完善"这类概括性表述，未逐条对照——不算。这类表述现在就有，且它恰恰是本篇要打的那个假定（预设存在一个更好的方案）。

其二，只列出指标清单与权重，未作目标—指标的逐格可分辨性判断——不算。清单不是矩阵。

其三，只在学术论文或学位论文中出现而未进入任何官方评估口径——不算。本篇赌的是它成为制度性动作。

其四，列出了不可检出的目标，但同时把这些目标从改革的自陈目标里删掉，使账面上 d = 0——不算命中。这一条要特别说明：若出现这种情形，本篇的实质主张反而被证明为对（不可检出的目标确实存在且已被识别），但处理方式是把测不了的删掉，也就是第十七节正交反例二里的"预先借证"。本篇不愿意用一个字面上的胜利掩盖这个后果。

二十三、伦理三条与反噬

第一条：本篇不指控评估者。

第八节论证三已经论证：借证发生在每一方都尽了本分的情况下。评估者提供最可靠的证据，这是评估者的职业义务；行政部门采信最权威的证据，这是程序正当性的要求。把秩亏读作"评估者不称职"，是本篇最容易被误用的方式，也是本篇最反对的一种误用。

第二条：不得据本篇主张"因此不必评估"。

秩亏是一个用来改进评估方案的量，不是一个用来废除评估的理由。没有评估的改革不会因此免于被重新定义——它只会被更随意地重新定义（第十节签名三：失败的表述是"缺乏客观证据"）。本篇的处方在第十六节，是给翻译立关，不是取消翻译。

第三条：秩亏是关于方案的，不是关于人的。

d 是一份文件与另一份文件对照出来的整数。它不能用来评价任何一位评估者、任何一所学校、任何一个学生。把它用于任何针对个人的判断，都是一次范畴错误。

反噬。

若秩亏有朝一日成为一项被考核的指标（"评估方案的秩亏应当尽量小"），那么达标最省事的办法不是增加独立指标——那很难；而是减少自陈目标。把 k 从 7 砍到 2，d 立刻变小甚至为零。

这就是第十七节那条正交反例所描述的"预先借证"，而它在报表上会表现为正面成绩：目标更聚焦了、指标更匹配了、方案更科学了。

第二条更省事的路：把两个不可分辨的目标合并成一条。合并不改变实质，但 k 减一，d 也减一。而合并在文本上表现为"表述更凝练"。

第三条：把指标定义得更宽泛，使一个指标名义上响应多个目标。布尔矩阵里的 1 变多，秩看起来变大。这一条正是第九节编码规则四（须排除代理路径）与规则五（须用数值秩）要防的，但这两条规则依赖编码者的诚实，防不住有意为之。

三条路都会在报表上好看。本篇看不到这个反噬的出口，只能把三条路写在这里，让第一个想到它们的人不是唯一知道它们的人。

二十四、三个洞

第一个洞：口径依赖。

第十一节已经暴露：有效维数取参与比时约为 2，取"累计方差达 95%"时为 7 至 10。本篇的全部秩亏计算都建立在前一个口径上。若改用后一个口径，本篇的秩亏会大幅缩小，第十五节的六场景里至少有三项的 d 会降到 0 或 1。

本篇取参与比的理由（能作出决定的维度而非能解释方差的维度）是一个论证，不是一个证明。本篇的核心读数，其数值依赖于一个未被独立辩护的口径选择。 这是本篇最脆弱的一处，而且它位于最要紧的位置。

第二个洞：改写与损失，本篇分不清。

第十六节哲学那一削已经指出：本篇没有资格说账面之外有什么。于是"改革被改写了"这句话的实际内容，退化为"账面上有 d 个方向不产生响应"。

但这两句话不一样。前者预设那 d 个方向上有东西被换掉了，后者只说那里没有读数。本篇在全文里反复使用前一句的语气，而只有后一句的证据。

本篇找不到办法补上这个缺口，因为补它需要一个不依赖任何读数的、关于"真实成效"的判据——而那正是本篇论证不存在的东西。本篇的论证如果成立，本篇就无法证明自己的标题。

第三个洞：装置的签名二判不准。

第十七节正交反例三已经暴露：借贷比接近 1 可能是度量衡合并（本篇预测罕见），也可能只是排序体系扩容（本篇预测常见）。区分办法（看被采纳的读数是不是全域可比的单一序）在边界情形上不可靠——一个"综合素质等级"既是排序也是新维度。

这意味着本篇的装置只有签名一与签名三是可靠的，签名二实际上判不了。而签名二恰恰是唯一能证伪本篇的那一个：若一项改革真的做到了双向翻译，本篇应当在那里失效——而本篇没有办法可靠地认出那种情形。 一个无法可靠识别自己反例的装置，其证伪价值要打折扣。本篇承认这个折扣。

参考文献

Asad, T. (1986). The concept of cultural translation in British social anthropology. In J. Clifford & G. E. Marcus (Eds.), Writing Culture: The Poetics and Politics of Ethnography (pp. 141–164). Berkeley: University of California Press.

The Alpha-Tocopherol, Beta Carotene Cancer Prevention Study Group. (1994). The effect of vitamin E and beta carotene on the incidence of lung cancer and other cancers in male smokers. New England Journal of Medicine, 330(15), 1029–1035.

Campbell, D. T. (1979). Assessing the impact of planned social change. Evaluation and Program Planning, 2(1), 67–90.

Evans-Pritchard, E. E. (1937). Witchcraft, Oracles and Magic among the Azande. Oxford: Clarendon Press.

Feyerabend, P. K. (1962). Explanation, reduction, and empiricism. In H. Feigl & G. Maxwell (Eds.), Minnesota Studies in the Philosophy of Science, Vol. 3.

Fleming, T. R., & DeMets, D. L. (1996). Surrogate end points in clinical trials: Are we being misled? Annals of Internal Medicine, 125(7), 605–613.

Geach, P. T. (1967). Identity. The Review of Metaphysics, 21(1), 3–12.

Goodhart, C. A. E. (1975). Problems of monetary management: The U.K. experience. In Papers in Monetary Economics, Vol. I. Reserve Bank of Australia.

Holmström, B., & Milgrom, P. (1991). Multitask principal-agent analyses: Incentive contracts, asset ownership, and job design. Journal of Law, Economics, and Organization, 7, 24–52.

Kuhn, T. S. (1970). The Structure of Scientific Revolutions (2nd ed.). Chicago: University of Chicago Press.

Omenn, G. S., Goodman, G. E., Thornquist, M. D., Balmes, J., Cullen, M. R., Glass, A., ... Hammar, S. (1996). Effects of a combination of beta carotene and vitamin A on lung cancer and cardiovascular disease. New England Journal of Medicine, 334(18), 1150–1155.

Prentice, R. L. (1989). Surrogate endpoints in clinical trials: Definition and operational criteria. Statistics in Medicine, 8(4), 431–440.

Quine, W. V. O. (1948). On what there is. The Review of Metaphysics, 2(5), 21–38.

Quine, W. V. O. (1960). Word and Object. Cambridge, MA: MIT Press.

Spearman, C. (1904). "General intelligence," objectively determined and measured. The American Journal of Psychology, 15(2), 201–292.

Wiggins, D. (2001). Sameness and Substance Renewed. Cambridge: Cambridge University Press.

附录一：写作前锁定的预测与事后核对

本附录内容在动笔之前写定，未作修改。

甲、配组条件的登记

本篇是本专栏第一次出现三门账本全为"中"的配组（此前测过两硬一软、三门全硬、软门在对口位、软门在非对口位、有名无名混合）。且最吃重的那一门落在人类学，恰是三门里终止性最弱的一门。

动笔前的预判：全中配组会使终止性下降，本篇必须靠读数的形状提供硬度。

核对结果：预判命中，且比预期更严重。 三门中没有一门能提供"失败即失败"的终止性——哲学的失败可以靠区分概念推迟，营养学的失败需要几十年的试验，人类学的失败判定本身需要立场。本篇的硬度全部来自秩这个整数，而秩又依赖第二十四节第一个洞里的口径选择。结论：Why 题的对口位不宜取软门，即使那一门的材料再对口。 这是本轮配组实验最重要的一条产出。

乙、推翻材料的事前登记

登记内容：三条各出一门；预期承重顺序为人类学 > 营养学 > 哲学。

核对结果：顺序落空。 实际承重顺序是哲学 > 营养学 > 人类学。哲学那一条（本体论承诺）承担了整个第九节读数的正当性——"在这份方案的账面上不存在"这个说法，全靠它才不至于变成"测得不准"。人类学那一条只提供了方向（单向），而方向在第十六节被它自己削回去了（只在不对称时成立）。

这次落空的教训与甲相通：对口的那一门未必是承重的那一门。

丙、七条预期与落点

预期一：三门会在"一个主张要被接受需要拿出什么"上互不接受。

核对：命中。 三家给出判据、指标、方向三个不同层面的答案，且互不能推出。

预期二：共同假定会落在"手段与内容可分"上。

核对：命中。 表述在成文时收紧为"证明的手段是中立的"，因为"手段与内容可分"与同题前篇的共同假定（"被读的差别与读它的尺子可分"）过近，须拉开。

预期三：借证在任何有验收的改革上都发生。

核对：落空，且这是本篇最重要的一次落空。 第十二节的敏感性表明：名义指标数达 8 且指标间相关不高时秩亏为零。本篇据此把主张从必然性降为条件性，并因此第一次有了出口（第十九节）——而出口的循环性，正是这次失败逼出来的。

预期四：本篇会与同题前篇在至少一个场景上冲突。

核对：落空，方向好。 两篇在新高考选科（场景四）上第一次交汇，且给出的是同向的两种独立证据（前篇看排序结构，本篇看证据结构）。没有冲突，但也因此产生了第十九节末尾那条对两篇都不利的合判。

预期五：最危险的邻居会是替代终点批判。

核对：落空。 最危险的是多任务委托—代理理论（霍姆斯特朗与米尔格罗姆 1991），它覆盖了本篇几乎全部的现实预测。本篇与它的分离，全靠"不需要代理人最大化"这一条，而这一条要在真实数据上分离，需要找到"努力配置不变而账面坍缩"的案例——本篇没有找到。

预期六：本篇会有一个出口。

核对：命中，但出口是循环的（通向同题前篇已经关死的门）。

预期七：场景清点中会出现至少一种本篇未曾预料的形态。

核对：命中。 未预料到的形态是"预先借证"——翻译发生在文件起草阶段而非验收阶段，表现为 k 本身就很小。它由第十七节正交反例二逼出来，并在第二十三节成为反噬的第一条路。

丁、成对相对预测

与同题前篇《收源》比较，本篇的预测如下：

其一，本篇的可证伪性应低于《收源》。理由：本篇的读数虽是整数（形状硬），但依赖口径选择（第二十四节第一个洞），而《收源》的读数虽依赖时窗，但时窗可以事先固定并报告敏感性，口径选择不能。若本篇的可证伪性反而更高，则"整数读数比连续读数更硬"这条经验规则不成立。

其二，本篇的跨域厚度应高于《收源》。理由：本篇三门分属形式层、生命与工程层、社会与心智层，且三门在本专栏均为首次出现；《收源》的三门中，控制论与本专栏已用过的电网调度、分布式事务有共同祖先。

其三，本篇的不可还原性应低于《收源》。理由：本篇的最强邻居（多任务委托—代理）覆盖面比《收源》的最强邻居（文化再生产）更精确，且本篇与它的分离条件（努力配置不变而账面坍缩）尚未找到实例。

其四，两篇作为一组的可证伪性应低于任一篇单独存在时（第十九节末已论证）。若评分显示合判后可证伪性反而上升，则第十九节的那条不利结论不成立，本篇欢迎被这样推翻。

附录二：四条真跑的完整设置与数据

真跑一（有效维数）

方法：构造相关矩阵 R，计算特征值 λ，参与比 PR = (Σλ)² / Σλ²，以及累计方差达 90%、95% 所需成分数。

结构一：等相关，k ∈ {6, 9, 12}，r ∈ {0.3, 0.5, 0.6, 0.7, 0.8}。

结构二：分块，块内 0.75、块间 0.55，块结构 4+4、5+4、6+6。

无随机数，结果确定。

分块结构的完整结果：

关键读数：参与比对科目数几乎不敏感（8 科 2.053 → 12 科 2.132），说明增加科目不增加有效维数。

真跑二（秩亏）

可判别性矩阵的构造记录（每一格的取值理由见第九节编码规则三，此处只列结果）：

素质教育，k = 7，指标取 4 个（统考总分、单科分、体质测试、时长统计）：

- 智育行 = (1,1,0,0)；体育行 = (0,0,1,0)；创新行 = (1,1,0,0)（只能经由竞赛折算入分）；减负行 = (0,0,0,1)；德育、美育、劳动三行全零。

- rank = 3，d = 4，载证率 0.43。

综合素质评价，k = 5，指标取 3 个：rank = 3，d = 2，载证率 0.60。

新高考选科，k = 4，指标取 2 个（选科组合分布、录取分数线）：四行分别为 (1,1)、(1,1)、(0,0)、(1,1)，rank = 1，d = 3，载证率 0.25。

敏感性：对名义指标数 m ∈ {4, 6, 8} 与指标间相关 r ∈ {0, 0.4, 0.6, 0.8}，计算指标相关矩阵在 95% 方差口径下的有效秩，并给出 k = 7 时的秩亏。关键格：m = 8 且 r ≤ 0.6 时秩亏为 0（本篇的不利结果）。

真跑三（替代终点反号）

N = 2×10⁵。U ~ N(0,1)；X = a·U + N(0, 0.6)；Y = b·U + β·X + N(0,1)，β = −0.15。

主设置 a = 0.8, b = 1.0：观察相关 +0.4864，最小二乘调整 U 后 X 的系数 −0.1542。

条件区间：a ∈ {0.3, 0.5, 0.8, 1.2} × b ∈ {0.5, 1.0}，八种组合观察相关全部为正（+0.1103 至 +0.5373），反号率 8/8。

随机种子：5（由主种子 20260808 派生）。

真跑四（投影损失）

设置一：n ∈ {3, 5, 10, 30, 100}，各取 2×10⁴ 个随机单位向量，计算与第一坐标轴的夹角与投影平方的均值。

设置二：n = 100，体系词汇子空间维数 s ∈ {1, 2, 3, 5, 10}，用 QR 分解取正交基 B；目标方向在子空间内随机取；验收只保留 B 的第一列 w；计算 E[(v·w)²]。

结果精确地落在 1/s 上（s=2 时 0.4974，s=3 时 0.3312，s=5 时 0.1995，s=10 时 0.0999）。

复算说明。 四条真跑均为模型实验，不估计现实参数。真跑二中三项改革的矩阵取值来自本篇对公开文件的编码，编码一致性未经第二人独立复核——这是本篇数据部分最重要的一处缺陷，按第九节编码规则六，这三项只能作方向证据，不作定量证据。本篇在第十五节的行文中未能始终守住这条界限，此处一并声明。

附录三：预注册的可证伪检验方案

主检验：载证率与被改写程度的关系

数据要求。 不少于 8 项有正式验收方案的教育改革。每项按第九节规则计算 k、rank(M)、d、载证率 r，编码由两人独立进行并报告一致性。

主假设 H1：载证率 r 与该改革被公众判定为"变形"的程度正相关（第十五节六场景合判给出的方向）。变形程度的操作定义：改革实施后 3 至 6 年内，主流媒体与专业期刊中出现"某某也变成应试了"或等价表述的文献数（取对数，按同期总文献量标准化）。

证伪条件（写死）：若在不少于 8 项案例上，r 与变形程度的相关系数的 95% 置信区间包含零或为负，H1 失败，本篇的核心主张失去唯一的现实支撑。本篇不为这一条准备"样本量不足"的退路。

主假设 H2：账面成效比例与目标词汇维数呈约 1/s 的关系（第十四节）。

证伪条件（写死）：若拟合出的指数显著偏离 −1（95% 置信区间不含 −1），H2 失败。

六条编号证伪

F1（口径稳健性）：若同一批案例在"参与比"与"累计95%方差"两种口径下算出的秩亏排序不一致（斯皮尔曼相关低于 0.6），则第二十四节第一个洞升级为致命，本篇的读数不可用，无论其余各条是否成立。这是本篇最愿意被检验、也最可能失败的一条。

F2（与多任务代理的分离）：若在任何案例上找不到"努力配置基本不变而账面维数坍缩"的情形，本篇相对多任务委托—代理理论的独立性失败，本篇应被判为它的一次应用。

F3（双向翻译的存在）：若能找到一个教育体系，其日常运行的读数中确实采纳了某项改革引入的、非排序型的量（第十节乙栏不为零且非扩容），本篇在该体系失效，且第二十节第一条适用条件被证伪。

F4（时间形状）：若一项改革的排序相关序列既无平滑指数回升也无评估发布前后的阶跃，则本篇与同题前篇的机制在该案例上均不成立。

F5（预先借证的普遍性）：若在不少于 8 项案例上，k 的中位数不超过 2，则"翻译发生在验收阶段"这一定位错误，本篇应改写为关于文件起草阶段的分析。

F6（两篇合判的纪律，与同题前篇共用）：在任何一个案例上，须事先声明以《收源》还是《借证》的机制作主解释，并按该篇的时间形状预测作判决。事后调用另一篇解释残差者，两篇在该案例上的主张一律按失败处理。 这一条是对两篇作者的约束，不是对检验者的约束。

预注册声明。 上述八条判据（H1、H2、F1–F6）在任何数据被取得之前写定。凡日后需要修改判据者，须同时公布修改前的版本与修改理由；未公布者，本篇的相应主张按失败处理。

最美文定稿：全球文库终审与核心命题的重写

以下一节由编辑增补，不属于投稿原稿。它按最美文频道的五道入选关执行：请出正文未曾请出的那位最危险的对手，与之划一条让两套理论对同一件事作出相反预测的线，写清怎么裁决，把核心命题改写为否定—重命名形式，并列出三条「被观察到即失效」。正文的论证、数据与结论一字未改。

一、最后一位未被请出的对手

本文已经请出了多任务委托代理（当某些维度不可测量时，激励会全部流向可测维度）、替代终点、古德哈特与坎贝尔——这一批处理得很到位，多任务模型尤其贴。但社会学里还有一位没有出现，而它处理的正是本文标题里那个动词：埃斯佩兰与史蒂文斯的通约化——把性质不同的东西转换成一个共同的度量，这一转换会丢掉信息、重组注意力、改变人们对被转换之物的理解。

一个读者完全可以说：所谓「被翻译成那套读数」，不就是通约化吗？

二、分离线：定性的丢失，还是可算的秩亏

分离线落在丢掉多少能不能算出来，以及它是不是必然的。

通约化研究给出的是一个定性判断：任何一次通约都伴随信息丢失与注意力重组，程度由个案叙述给出，没有一个可以代入的量。本文给出的是一个整数：d = k − rank(M)，并且——这是关键的一步——本文的真跑证明d 可以为零。

相反预测。构造一份高秩验收方案（名义指标数 8、指标间相关不高）。通约化预测：转换仍然发生，信息仍然丢失，改革目标仍被重组。本文预测：此时通约化发生而借证不发生——因为目标维度可以被完整分辨，翻译无损，改革不必借用旧读数来证明自己。

裁决办法。正文真跑之二的敏感性表已经给出了这条的模拟证据；接下来需要的是一个真实案例：找一项验收方案有效秩不低于目标维数的改革，看它是否仍然在数年内被译回旧读数。若仍然被译回，说明丢失来自转换本身而非秩亏，本文应当并入通约化；若它没有被译回，本文给出的就是一个可以事先设计、因而可以事先避免的条件——这也是本篇与同题前篇最大的不同：前篇给的是必要性，本篇给的是出口。

三、核心命题的否定—重命名

一项改革被译回旧读数，不是因为评估者不懂，不是因为指标选错了，也不是「任何通约化都会丢信息」这一定性事实——它是一个可算的秩亏：改革自陈目标的维数 k，减去验收方案能独立分辨的秩 rank(M)。而这个差额不是逻辑必然：只要造得出一批彼此不相关的验收指标，秩亏可以为零，借证可以不发生。

四、本文禁止什么

1. 禁止在有效秩不低于目标维数的验收方案上仍然出现借证。若出现，丢失来自转换本身，本文并入通约化。
2. 禁止 rank(M) 与借证的发生无关。若两者不相关，本文的读数不测量任何东西。
3. 禁止编码不可复核。正文已写死：M 的每一格判定须援引方案文本，找不到出处一律记零；两人独立编码一致性低于 0.7 时只作方向证据。任何不满足这两条的秩亏计算，不得引用本文。

五、独立成立性检验

把埃斯佩兰、霍姆斯特朗、古德哈特、坎贝尔全部删去，本文还剩什么？剩下一个可以拿着两份文件当场算出来的整数：把改革文件里的自陈目标数出来得 k，把验收方案里的指标按「能不能单独引起响应」构成矩阵、算它的秩，相减得 d。这个计算不需要任何社会理论，也不需要对量化持任何立场。通约化的二十多年研究从未产出过这样一个可代入的量：它讨论的是转换带来了什么，本文算的是这一次转换丢掉了几维。

本轮定稿所核验的文献：Espeland, W. N., & Stevens, M. L. (1998). Commensuration as a social process. Annual Review of Sociology, 24, 313–343. · Espeland, W. N., & Sauder, M. (2007). Rankings and reactivity: How public measures recreate social worlds. American Journal of Sociology, 113(1), 1–40. · Holmström, B., & Milgrom, P. (1991). Multitask principal-agent analyses. Journal of Law, Economics, & Organization, 7, 24–52.

本文正文为学员投稿原稿，作者胡敏。原稿自标的「学科通融专栏」栏目行已改为本站「胡敏谈 · 应试教育」（学科通融是本站二阶碰撞产线的栏目，学员论文收入学员专栏）。原稿每篇末尾均附有作者的人机分工声明：写作使用了大型语言模型作为检索、成文与自查的助手，材料的取舍、判断的落点以及不利结果的处置由作者决定——本站保留这一声明并在此重申。文中涉及教育评价与政策的讨论均为理论分析，不构成任何机构的评估依据。